비구조적 포인트 클라우드의 심층 분할 네트워크를 이용한 의미 레이블링

이 연구에서는 비구조화된 포인트 클라우드 레이블링을 위한 새로운 일반적이고 효율적인 방법을 제안한다. 3차원 데이터에서 딥 컨볼루셔널 신경망(CNN)을 효율적으로 활용하는 문제는 여전히 해결되지 않은 과제이기 때문에, 포인트 클라우드의 여러 2차원 이미지 시점(또는 스냅샷)에 CNN을 적용하는 프레임워크를 제안한다. 본 방법은 세 가지 핵심 아이디어로 구성된다. (i) 포인트 클라우드로부터 적절한 다수의 스냅샷을 선정한다. 이 과정에서 두 가지 유형의 이미지를 생성한다: RGB 시각 정보를 포함하는 RGB 시점과 기하학적 특징을 담은 깊이 복합 시점(depth composite view)이다. (ii) 이후 완전 컨볼루셔널 네트워크를 사용하여 각 2차원 스냅샷 쌍에 대해 픽셀 단위의 레이블링을 수행한다. 다양한 아키텍처를 실험하여 비동질적인 입력 데이터 간의 유익한 융합을 달성한다. (iii) 마지막으로, 효율적인 버퍼링 기법을 활용하여 3차원 공간으로 레이블 예측을 빠르게 역투영(back-projection)하여 모든 3차원 포인트에 레이블을 부여한다. 실험 결과, 본 방법이 라이다(LiDAR) 또는 포토그램메트리 데이터와 같은 다양한 유형의 포인트 클라우드에 적합함을 확인할 수 있었다.